Intelligence artificielle

L’IA permet-elle d’accélérer la durée d’examen d’IRM sans perdre en qualité d’image ?

icon réservé aux abonnésArticle réservé aux abonnés
Ilana Sultan Le 17/12/25 à 7:00 Lecture 8 min.

Et si l’intelligence artificielle avec son Deep Learning pouvait raccourcir l’IRM sans sacrifier la performance diagnostique ? D.R

Résumé

Grâce à l’utilisation d’un champ magnétique puissant, l’IRM (imagerie à résonance magnétique) offre une visualisation précise, notamment du cerveau, de la moelle épinière, des muscles et des articulations, sans recourir aux rayons X et de manière non invasive. Cette imagerie est devenue un outil essentiel dans le diagnostic de nombreuses pathologies. Malgré sa précision, l’IRM présente un inconvénient majeur qui est le temps d’examen trop long. Les patients sont plus susceptibles de bouger, provoquant des artéfacts sur les images. D’autant que certains souffrent de claustrophobie et ne peuvent réaliser cet examen. La solution serait d’accélérer les temps d’acquisition pour rendre l’examen plus supportable. Et si l’intelligence artificielle avec son Deep Learning pouvait raccourcir l’IRM sans sacrifier la performance diagnostique ? Si l’IRM devient plus rapide, par conséquent, bien plus de patients seraient pris en charge. 

En pédiatrie

Réaliser une IRM chez un enfant est un véritable défi car il peut s’avérer particulièrement difficile en raison de son anxiété, de sa capacité limitée à rester immobile et de la durée longue de l’examen. Dans ce contexte, les recherches en IA et en Deep Learning (apprentissage profond) sont attendues et offrent des perspectives prometteuses. Une étude récente vise à évaluer l’impact d’un protocole d’IRM cérébrale pédiatrique 3D pondérée en T1 accéléré, utilisant un algorithme de reconstruction par apprentissage profond, sur le temps d’analyse et la qualité d’image. Menée en mars 2023 sur 46 patients pédiatriques, cette étude a conclu que la reconstruction couplée à l’IA a permis de diminuer les temps de séquences de 30 à 40% mais aussi les artéfacts, le tout améliorant la qualité d’images par rapport au protocole traditionnel. Donc raccourcir une IRM permet aussi de limiter les artéfacts, réduire l’inconfort et en pédiatrie, d’éviter la sédation. [1]

Il arrive parfois que de

Il vous reste 91% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Ilana Sultan

Manipulatrice d'électroradiologie médicale

Déclaration des liens d'intérêts

Bibliographie

  1. YOO, Hyunsuk et al., 2025. Evaluation of Image Quality and Scan Time Efficiency in Accelerated 3D T1-Weighted Pediatric Brain MRI Using Deep Learning-Based Reconstruction. Korean Journal of Radiology. Vol. 26, no 2, pp. 180‑192. DOI 10.3348/kjr.2024.0701. https://pubmed.ncbi.nlm.nih.gov/39898398/
  2. KOECHLI, Melina et al., 2024. Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children. Pediatric Radiology. Vol. 54, no 10, pp. 1674‑1685. DOI 10.1007/s00247-024-05978-6. https://pubmed.ncbi.nlm.nih.gov/39017676/
  3. KLEMENZ, Ann-Christin et al., 2024. Accelerated Cardiac MRI with Deep Learning-based Image Reconstruction for Cine Imaging. Radiology. Cardiothoracic Imaging. Vol. 6, no 6, p. e230419. DOI 10.1148/ryct.230419. https://pubs.rsna.org/doi/abs/10.1148/ryct.230419
  4. BASH, S. et al., 2021. Deep Learning Enables 60% Accelerated Volumetric Brain MRI While Preserving Quantitative Performance: A Prospective, Multicenter, Multireader Trial. AJNR. American journal of neuroradiology. Vol. 42, no 12, pp. 2130‑2137. DOI 10.3174/ajnr.A7358. https://pubmed.ncbi.nlm.nih.gov/34824098/
  5. SHEN, Liting et al., 2025. Enhanced Image Quality and Comparable Diagnostic Performance of Prostate Fast Bi-MRI with Deep Learning Reconstruction. Academic Radiology. DOI 10.1016/j.acra.2025.06.059. https://www.sciencedirect.com/science/article/abs/pii/S1076633225006385
  6. JOHNSON, Patricia M. et al., 2023. Deep Learning Reconstruction Enables Prospectively Accelerated Clinical Knee MRI. Radiology. Vol. 307, no 2, p. e220425. DOI 10.1148/radiol.220425. https://pubmed.ncbi.nlm.nih.gov/36648347/
  7. Imagerie par résonance magnétique du genou hautement accélérée par reconstruction par réseau neuronal profond (DNN) : étude prospective, multi-lecteurs et multi-fournisseurs | Rapports scientifiques. https://www.nature.com/articles/s41598-023-44248-7  
  8. LIEBRAND, Luka C. et al., 2025. Deep learning for efficient reconstruction of highly accelerated 3D FLAIR MRI in neurological deficits. Magma (New York, N.Y.). Vol. 38, no 1, pp. 1‑12. DOI 10.1007/s10334-024-01200-8.  https://pubmed.ncbi.nlm.nih.gov/39212832/
  9. WEN, Yun et al., 2025. Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI. BMC medical imaging. Vol. 25, no 1, p. 224. DOI 10.1186/s12880-025-01763-5.  https://pubmed.ncbi.nlm.nih.gov/40596927/ 
  10. LIU, Zeyu et al., 2025. Application of Deep Learning Accelerated Image Reconstruction in T2-Weighted Turbo Spin-Echo Imaging of the Brain at 7T. AJNR. American journal of neuroradiology. Vol. 46, no 7, pp. 1517‑1520. DOI 10.3174/ajnr.A8662.  https://pubmed.ncbi.nlm.nih.gov/39832954/
  11. ZHU, Ji et al., 2023. Improving accelerated 3D imaging in MRI-guided radiotherapy for prostate cancer using a deep learning method. Radiation Oncology (London, England). Vol. 18, no 1, p. 108. DOI 10.1186/s13014-023-02306-4. https://pubmed.ncbi.nlm.nih.gov/37393282/

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sommaire

Le fil Tech Imago

16 Jan

14:13

7:08

Bayer a annoncé la conclusion d’accords définitifs pour l’acquisition auprès d’Attralus de deux agents d’imagerie moléculaire expérimentaux, AT-01 et AT-05, destinés au diagnostic de l’amyloïdose cardiaque. Cette opération stratégique renforce la position de Bayer dans l’imagerie moléculaire et s’inscrit dans le développement de sa stratégie de cardiologie de précision, annonce un communiqué.

7:00

15 Jan

14:18

Bien que les unités mobiles de mammographie puissent améliorer l’accès aux soins pour des populations médicalement défavorisées, une étude pilote publiée dans Academic Radiology, met en lumière des opportunités pour promouvoir un suivi rapide et équitable des mammographies de dépistage anormales grâce à une meilleure navigation des patients, un soutien social et une aide financière.

7:15

Stéphanie Rist, la ministre de la santé, a présenté une stratégie nationale pour lutter contre la désinformation médicale. Elle prévoit notamment la création d’un observatoire de la désinformation en santé et d’un dispositif d’infovigilance afin de répondre plus rapidement aux fausses informations

7:00

✕
Tech Imago

GRATUIT
VOIR